CONTROL ESTADISTICO DE LAS ESPECIFICACIONES DE

CALIDAD EN EL PROCESO DE FABRICACIÓN DE BEBIDAS

CARBONATADAS

STATISTICAL CONTROL OF QUALITY SPECIFICATIONS IN

THE PROCESS OF MANUFACTURING CARBONATED
BEVERAGES
ADRIANA ACERO
Microbióloga, Universidad Libre, Experiencia en sistemas integrados de gestión y aseguramiento de la calidad,
adry.acero0621@gmail.com

ERIKA SAUCEDO
Ingeniera Química, Universidad del Atlántico, Experiencia en sistemas integrados de gestión y aseguramiento de la calidad,
erikasaucedo23@gmail.com

FRANCISCO ARCIERI
Ingeniero Químico, Universidad del Atlántico, Experiencia en sistemas integrados de gestión, aseguramiento de la calidad y
producción, franciscoarcieri@hotmail.com

RESUMEN

El propósito de este trabajo consistió en realizar un control estadístico de procesos en la variación de las
características de control (Brix, Carbonatación y Contenido Neto) en la fabricación de bebidas gaseosas
empleando herramientas estadísticas tales como: Gráficos de control, índices de capacidad, límites de
tolerancia, entre otros. Este articulo busca enfatizar la importancia que tiene el control estadístico de los
procesos como herramienta fundamental para mantener un proceso productivo dentro de límites
permitidos que en definitiva permita la obtención de productos que cumplan con las especificaciones
requeridas. El control estadístico de procesos debe ser reevaluado constantemente para verificar si se están
obteniendo los resultados esperados en el proceso, a partir de la evaluación, de ser necesario, se deben
realizar los ajustes correspondientes.

PALABRAS CLAVE: Control estadístico, grafico de control, índice de capacidad, límites de tolerancia,
carbonatación, contenido neto, brix.

ABSTRACT

The purpose of this work was to perform a statistical process control in the variation of the control
characteristics (Brix, Carbonation and Net Content) in the manufacture of soft drinks using statistical tools
such as: Control charts, capacity indexes, limits of tolerance, among others. This article seeks to
emphasize the importance of statistical control of processes as a fundamental tool to maintain a productive
process within permitted limits that ultimately allows obtaining products that meet the required
specifications. The statistical control of processes must be constantly re-evaluated to verify if the expected
results are being obtained in the process, from the evaluation, if necessary, the corresponding adjustments
must be made.

KEYWORDS: Statistical control, control chart, capacity index, tolerance limits, carbonation, net content,
brix.
1. INTRODUCCIÓN
La industria de bebidas suaves a nivel
mundial ha mantenido un crecimiento anual
entre 3,8% y 6,1% durante los últimos cinco
años. En el mercado colombiano de bebidas,
el crecimiento ha oscilado entre el 0,7% y el
6,3% anual durante los últimos años y ha
estado dominado por unas pocas empresas
que cuentan con una alta tradición y
trayectoria.
En este contexto, las principales compañías
han orientado su estrategia competitiva hacia
la diferenciación, basándose cada una en un
conjunto limitado de atributos que son
especialmente valorados por el mercado.
La calidad es uno de los factores más
influyentes para la toma decisiones en los
consumidores cuando deben elegir entre
productos y servicios similares que compiten
entre sí. Por ese motivo las empresas
actualmente no sólo se concentran en la
satisfacción del consumidor por medio de las
características de calidad, sino en la
elaboración de un producto o prestación de
un servicio y de las causas que generen algún
tipo de variabilidad en sus procesos que
pueden afectar los requerimientos finales del
consumidor.
La herramienta estadística que permite
evaluar la variabilidad de un proceso es el
control estadístico de procesos; que
comprende un grupo de herramientas tales
como: histogramas de frecuencia, diagrama
de seguimiento, gráfico de Pareto, diagrama
causa-efecto y cartas de control. Estas
herramientas son útiles en la medida en que
buscan la estabilidad de los procesos y el
mejoramiento de la capacidad de los mismos
al reducir la variabilidad. El poder del control
estadístico de procesos crea el ambiente
apropiado para que exista una intervención
administrativa apropiada, siempre y cuando
la administración desee el mejoramiento de la
calidad, y en consecuencia el mejoramiento
de la productividad.
Un programa de control estadístico requiere
la ejecución de dos fases (Montgomery
2004): En la primera fase se deben
determinar parámetros fundamentales como
el promedio y la desviación estándar de una
variable que se desee estudiar. Por lo tanto,
en esta fase se toman mediciones para estimar
tales parámetros. En esta primera fase se
puede verificar si se cumple la hipótesis de
que la variabilidad del proceso obedece solo a
causas aleatorias.
El objetivo de este trabajo es determinar los
parámetros de proceso de la producción de
bebidas gaseosas, a partir de las mediciones
de las características de control (Brix,
Carbonatación y Contenido Neto) realizar
cartas de control multivariadas, límites de
tolerancia, y determinación de índices de
capacidad, tanto para datos históricos como a
corto plazo.
2. ESTADO DEL ARTE
Las bebidas carbonatadas o gaseosas son una
consecuencia de los ensayos para producir
aguas efervescentes semejantes a las de las
fuentes naturales. Al cabo de algún tiempo se
les agregaron saborizantes, y de ahí nacieron
las diversas aguas y bebidas gaseosas, que
son esencialmente agua cargada con dióxido
de carbono a la que se ha añadido azúcar y
algún ácido , una materia colorante y un
agente de sabor. Para que se conserve el gas,
se envasa la bebida gaseosa en recipiente
herméticamente cerrado. Estas bebidas suelen
consumirse frías, para ser más refrescantes y
evitar la pérdida de dióxido de carbono, que
le otorga la efervescencia.
En la cadena productiva de la bebida gaseosa,
necesitamos materias primas tales como:
Agua, Azúcar, Concentrado, Gas Carbónico.
En el proceso de llenado de bebidas
carbonatadas, las variables críticas que se
evalúan para garantizar la calidad del
producto son las siguientes:
BRIX: % de sólidos disueltos en una
solución. Para bebidas gaseosas, representa el
porcentaje en peso de sacarosa en una
solución de azúcar en agua. Es una medida de
la gravedad específica de un jarabe.
CARBONATACIÓN: Dilución de gas
carbónico en un líquido. En embotellado de
bebidas gaseosas, es la medida del contenido
de gas carbónico (CO2) diluido en la bebida,
y que se expresa como volúmenes de gas, y
que depende de las condiciones de presión y
temperatura del líquido.
CONTENIDO NETO: Se refiere a la
cantidad de producto que contiene un envase.
Con el fin de garantizar las especificaciones
propias del producto es necesario emplear
herramientas estadísticas que, de manera
inicial, permitan establecer las condiciones
propias del proceso, así como su variabilidad,
ya sea de tipo aleatoria y no aleatoria.
Un concepto que puede ser empleado para
este propósito es el “Control Estadístico De
Procesos” el cual consiste en una herramienta
estadística que se utiliza en el puesto de
trabajo para conseguir el producto adecuado
y a la primera”. Nació a finales de los años 20
en los Bell Laboratories. Su creador fue W.
A. Shewhart, quien en su libro “Economic
Control of Quality of Manufactured
Products” (1931) marcó la pauta que
seguirían otros discípulos distinguidos
(Joseph Juran, W.E. Deming, etc).
El Control Estadístico suele usarse con el
propósito de informar a la gerencia sobre los
cambios introducidos en los procesos que
hayan repercutido favorablemente en la
producción resultante de dichos procesos.
(Carro, 2013)
Las cartas de control son diagramas que
permiten monitorear las variables de un
proceso en el tiempo, con el propósito de
evaluar si existen causas no aleatorias en su
comportamiento constante.
Las cartas de control pueden ser aplicadas en
cualquier organización tanto manufacturera
como de servicios. Existen en la actualidad
gran variedad de aplicaciones de las cartas de
control en los procesos de manufactura. Las
cartas de control se pueden convertir en una
importante herramienta para monitorear el
nivel de satisfacción de los usuarios o el
cumplimiento de los presupuestos de venta de
un artículo (Larpkiattaworn 2003).
La construcción de cartas de control se puede
dividir en las siguientes fases (Sullivan y
Woodall 1996):
- Fase I: se estiman los parámetros del
proceso (estándares de calidad) y se hallan
los límites de control.
- Fase II: se calcula el estadístico del modelo
para cada observación nueva tomada desde el
proceso y se compara con el límite de control
definido en la fase I con el fin de determinar
si el proceso está en control o fuera de
control.
Las gráficas de control multivariadas son un
tipo de gráfica de control de variables que
muestra cómo las variables correlacionadas o
dependientes influyen en forma conjunta en
un proceso o resultado. Para la elaboración de
las cartas de control multivariadas la técnica
más aplicada es la propuesta por Hotelling
conocida como la T2. Esta es una
generalización de la estadística t de Students.
El Intervalo de Tolerancia es un conjunto de
valores de X que se consideran admisibles o
aceptables. Suele ser definido por el cliente o
en ocasiones por el diseñador del producto
(suele representase por un valor objetivo θ y
un error aceptable L; θ ± L.)
El Índice de Capacidad (Cp.) también
denominado Potencial del Proceso, es la
cuantificación de la comparación entre la
variabilidad natural y la variabilidad
especificada, lo que proporciona un valor
objetivo de la capacidad del proceso.
Para medir esta capacidad es utilizado el
índice de capacidad definido como, algunos
autores lo definen como índice de capacidad
a largo plazo:
(1)
donde les y lei son los límites de
especificación superior en inferior, el valor k
generalmente es 6. Es decir, la formulación
tradicional está definida como, índice de
capacidad a largo plazo.
(2)
El procedimiento Análisis de Capacidad
Multivariada determina la probabilidad de
que los puntos caracterizados por dos o más
variables se encuentren establecidos dentro
de los límites de especificación. Cuando las
variables están correlacionadas, es importante
considerar el comportamiento conjunto, ya
que al observar cada variable separadamente
puede dar un panorama erróneo de la
capacidad de proceso general.
3. METODOLOGIA
Para el desarrollo de la investigación se
tomaron 360 datos de Brix, Carbonatación y
contenido neto correspondientes a un periodo
de tiempo de 6 meses de producción de un
producto de referencia.
Los análisis y los gráficos obtenidos fueron a
partir del programa STATGRAPHICS
Centurión XVI.
FASE I. Estabilización del proceso.
 Establecer las características de
calidad de nuestro producto, que en
este caso fueron bebidas
carbonatadas.
 Evaluar que los datos recopilados
cumplan con el principio de
normalidad.
 Graficar en una carta de control
multivariada T2 la información
obtenida.
 Calcular los límites estándar con los
datos medidos de nuestras variables
independientes, buscar y determinar
los parámetros del proceso: Media y
Covarianza.
 Se establecieron los límites de
tolerancia e índices de capacidad para
cada variable (Brix, Carbonatación y
Contenido neto).
FASE II. Etapa de control monitoreo en
línea.
 Se realizó el monitoreo en línea a 30
datos, obteniéndose mediciones
nuevas para cada variable (Brix,
Carbonatación y Contenido neto),
para obtener un nuevo gráfico de
control T2 e identificar si el proceso se
mantiene estable.
 Se establecieron los límites de
tolerancia e índices de capacidad para
cada variable (Brix, Carbonatación y
Contenido neto).
4. RESULTADOS
A continuación, se presentan los resultados
que se procesaron en el software Statgraphics
Centurion XVI.
FASE I. Estabilización del proceso
Se graficó en una carta control multivariada
T2 la información obtenida para las diferentes
variables evaluadas.
Figura 1. Carta de control multivariada T2 para las
variables evaluadas
puntos arriba del límite de control,
simplemente por azar es 1,0 si los datos
provienen de la distribución normal
multivariada supuesta, no se puede rechazar
la hipótesis de que el proceso se encuentra en
un estado de control estadístico con un nivel
de confianza del 95%.
A continuación, se presenta el
comportamiento gráfico de las elipses de
control correspondiente a las múltiples
interacciones que se presentan entre las
diferentes variables evaluadas.
Figura 2. Elipse de control para la interacción de las
variables Brix y Carbonatación.

Fuente: Datos obtenidos herramienta

Fuente: Datos obtenidos herramienta STATGRAPHICS – Elipse de Control.
STATGRAPHICS – Gráfico de Control multivariados.
Figura 3. Elipse de control para la interacción de las
El procedimiento consistió en construir un variables Carbonatación y Contenido Neto.
gráfico de control multivariada para las 3
variables. A diferencia de la mayoría de
gráficos de control que trata las variables por
separado, este procedimiento toma en
consideración las posibles correlaciones entre
las variables. Se asume que las variables
siguen una distribución normal multivariada.
La intención del procedimiento es determinar
si todos los casos provienen de una sola
distribución normal multivariada. Fuente: Datos obtenidos herramienta
STATGRAPHICS – Elipse de Control.
El procedimiento construye un gráfico T2
para monitorear las medias de las variables.
En este caso, los límites de control se han
colocado de modo de dar una relación de
0,27% de falsas alarmas. Para la Gráfico T2,
0 casos están arriba del límite de control.
Puesto que la probabilidad de ver 0 ó más
 Figura 4. Elipse de control para la interacción de las
variables Brix y Contenido Neto.
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Elipse de Control.
Figura 5. Elipsoide de control para la interacción de
las variables Brix, Contenido Neto y Carbonatación.
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Elipsoide de Control.
Como se puede observar en los resultados
gráficos evidenciados en las elipses y
elipsoides de control se puede concluir que el
proceso no presenta puntos fuera de control
estadístico.
Figura 6. Limite de Tolerancia Estadística para la
variable Brix
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Limite de Tolerancia Estadística.
Asumiendo que la variable Brix proviene de
una distribución normal, los límites de
tolerancia establecen que se puede estar
95,0% confiados en que 99,0% de la
distribución cae entre 10,33 y 10,41°.
Figura 7. Límite de Tolerancia Estadística para la
variable Carbonatación.
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Limite de Tolerancia Estadística.
Asumiendo que la variable Carbonatación
proviene de una distribución normal, los
límites de tolerancia establecen que se puede
estar 95,0% confiados en que 99,0% de la
distribución cae entre 3,70 y 4,01 volúmenes
de gas.
Figura 8. Límite de Tolerancia Estadística para la
variable Contenido Neto.
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Limite de Tolerancia Estadística.
Asumiendo que la variable Contenido Neto
proviene de una distribución normal, los
límites de tolerancia establecen que se puede
estar 95,0% confiados en que 99,0% de la
distribución cae entre 1237 y 1263 mL.
Tabla 4. Índice de Capacidad de Proceso multivariado
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Análisis de Capacidad de Proceso
multivariado
La tabla 4 despliega varios índices de
capacidad multivariada con los cuales se
compara el desempeño conjunto de las 3
variables con sus límites de especificación.
MCP es un índice similar al CP ó CPK para
el caso univariado. Normalmente, es
deseable que el MCP sea mayor o igual que
1,33. DPM mide el número de ítems no
conformes por millón. En este caso, se ha
estimado que 13941,8 de cada millón de
ítems violará una o más de las
especificaciones. Z es un índice que iguala el
porcentaje de ítems fuera de especificación
con el valor de la distribución normal
estándar. Valores Z de 4 o mayores son
deseables.
En este caso se puede observar que el índice
MCP es menor a 1,33, indica que el proceso
no es capaz de cumplir con las
especificaciones del proceso; sin embargo, a
continuación, se presentan los resultados
obtenidos del índice de capacidad
individuales de cada una de las variables
evaluadas, los cuales reportan valores que
garantizan el cumplimiento de las
especificaciones propias del proceso.
Figura 9. Análisis de Capacidad de Proceso para la
variable Brix
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Análisis de Capacidad de Proceso
(Individuales).
El índice de Cp. es 1,78; debido a que el
valor obtenido es mayor que 1 es una
evidencia de que el proceso es
potencialmente capaz de cumplir con las
especificaciones propias requeridas para
dicha variable. De otra parte, en este análisis
se puede evidenciar que el resultado del
índice de capacidad real Cpk obtenido fue de
1.75, lo cual indica que, dado que el valor
obtenido es mayor a 1, el proceso está
fabricando artículos que cumplen con las
especificaciones de Brix.
Figura 10. Análisis de Capacidad de Proceso para la
variable Carbonatación
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Análisis de Capacidad de Proceso
(Individuales).
El índice de Cp. es 1,18; debido a que el
valor obtenido es mayor que 1 es una
evidencia de que el proceso es
potencialmente capaz de cumplir con las
especificaciones propias requeridas en cuanto
a Carbonatación se refiere, pero requiere un
control estricto para evitar que cualquier
variación pudo incurrir en productos fuera de
especificaciones. De otra parte, en este
análisis se puede evidenciar que el resultado
del índice de capacidad real Cpk obtenido fue
de 1.17, lo cual indica que, dado que el valor
obtenido es mayor a 1, el proceso está
fabricando artículos que cumplen con las
especificaciones.
Figura 11. Análisis de Capacidad de Proceso para la
variable Contenido Neto
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Análisis de Capacidad de Proceso
(Individuales).
El índice de Cp. es 0,99; debido a que el
valor del Cp. es cercano a 1 es una evidencia
de que el proceso esporádicamente puede
generar producto que incumpla con las
especificaciones, por ende, se deben realizar
mínimas modificaciones en el mismo que en
definitiva permitan garantizar una calidad
satisfactoria.
Los resultados luego de la evaluación de los
datos históricos de las variables evaluadas se
presentan en la tabla a continuación.
Tabla 5. Resultados FASE I (Matriz de datos de
medias y covarianzas)
Fuente: Datos obtenidos en STATGRAPHICS.
FASE II. Etapa de control monitoreo en
línea
Durante el desarrollo de esta fase se realizó el
monitoreo en línea a 30 productos de la línea de
producción, obteniéndose mediciones nuevas
para cada una de las variables en evaluación
(Brix, Carbonatación y Contenido Neto),
obteniéndose los siguientes resultados:
Figura 12. Carta de control multivariada T2 para las
variables a controlar
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Gráfico de Control multivariados.
El procedimiento consistió en construir un
gráfico de control multivariada para las 3
variables empleando los datos de medias y
covarianzas obtenidos luego de evaluar los
datos históricos de la FASE I.
El procedimiento construye un gráfico T2
para monitorear las medias de las variables.
En este caso, los límites de control se han
colocado de modo de dar una relación de
0,27% de falsas alarmas. Para la Gráfico T2,
0 casos están arriba del límite de control.
Puesto que la probabilidad de ver 0 ó más
puntos arriba del límite de control,
simplemente por azar es 1,0 si los datos
provienen de la distribución normal
multivariada supuesta, no se puede rechazar
la hipótesis de que el proceso se encuentra en
un estado de control estadístico con un nivel
de confianza del 95%.
A continuación, se presenta el
comportamiento gráfico de las elipses de
control correspondiente a las múltiples
interacciones que se presentan entre las
diferentes variables a controlar.
Figura 13. Elipse de control para la interacción de las
variables Brix y Carbonatación.
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Elipse de Control.
Figura 14. Elipse de control para la interacción de las
variables Carbonatación y Contenido Neto.
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Elipse de Control.
Figura 15. Elipse de control para la interacción de las
variables Brix y Contenido Neto.
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Elipse de Control.
Figura 16. Elipsoide de control para la interacción de
las variables Brix, Contenido Neto y Carbonatación.
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Elipsoide de Control.
Como se puede observar en los resultados
gráficos evidenciados en las elipses y
elipsoides de control se puede concluir que el
proceso no presenta puntos fuera de control
estadístico.
5. CONCLUSIONES
A partir de los datos históricos recopilados en
el proceso de producción de bebidas
carbonatadas, para las variables Brix,
Carbonatación y Contenido neto se puede
concluir que en base a los resultados de
capacidad de proceso individuales obtenidos
para las variables Brix y Carbonatación, estas
son capaces de cumplir con las
especificaciones planteadas; no obstante para
la variable Contenido neto se debe evaluar los
elementos del sistema con mayor impacto en
el proceso para posteriormente enfocar
esfuerzos en ellos para lograr un incremento
en la capacidad del mismo, así como una
reducción de los defectos por millón que se
pueden generar en alguna de las tres
variables.
Al aplicar control a los datos a corto plazo
recopilados de las variables Brix,
Carbonatación y Contenido neto por el
grafico de control multivariado T2, se
evidencia que el proceso se encuentra dentro
de control estadístico, dado que no se
evidencian puntos fuera de los elementos de
control establecidos
6. AGRADECIMIENTOS

Los autores agradecen la orientación del Dr.

Roberto José Herrera Acosta, al programa de
postgrado: especialización en gestión de la
calidad y la universidad del Atlántico por la
formación profesional.

REFERENCIAS

 Canavos, C. (1988). Probabilidad y

Estadística, Aplicaciones y Métodos. Mc
Graw Hill.

 Kenett, R. (2006). Estadística

Industrial Moderna. Editorial Thomson
(2006).

 Montgomery, D. (2000). Control

Estadístico de Calidad. Grupo Editorial
Iberoamérica.

 Vilar, J. (2005). Control Estadístico

de los Procesos. FC Editorial.

 Vladimirovna, O. (2005).
Fundamentos de Probabilidad y Estadística.
Universidad Autónoma del Estado de
México.

 Vargas, J. A. (2006). Control

estadístico de calidad. Bogotá: Unibiblos,
Universidad Nacional de Colombia.

 L.A. Guerras, J.E. Navas (2008).

Casos de empresas de Latinoamérica. Cuarta
Edición.